一种基于经验模态分解与小波分析的信号联合去噪方法

    公开(公告)号:CN104636609B

    公开(公告)日:2017-12-19

    申请号:CN201510049964.X

    申请日:2015-01-30

    Abstract: 本发明属于信号处理技术领域,尤其涉及低信噪比下加性高斯白噪声信号的去噪方法。本发明根据信号的自相关性,对信号求自相关,所述信号的自相关函数在零点处取得最大值,幅度随着时间差的变化而变化,并不会很快的衰减到很小的值。对混有高斯白噪声的信号进行EMD分解,由于EMD分解的性质,高斯白噪声已不再是真正的白噪声,但白噪声的统计特性近似存在,即所述混有高斯白噪声的信号的自相关函数在零点取得最大值,幅值随着时间差的变化而变化,但其随着时间的衰减很快。利用这种差异可以选取出噪声起主导作用的IMF分量有效降低噪声对信号的影响。在低信噪比条件下,本发明的去噪性能优于传统方法,能够在价低信噪比条件下完成信号去噪。

    一种基于经验模态分解与小波分析的信号联合去噪方法

    公开(公告)号:CN104636609A

    公开(公告)日:2015-05-20

    申请号:CN201510049964.X

    申请日:2015-01-30

    Abstract: 本发明属于信号处理技术领域,尤其涉及低信噪比下加性高斯白噪声信号的去噪方法。本发明根据信号的自相关性,对信号求自相关,所述信号的自相关函数在零点处取得最大值,幅度随着时间差的变化而变化,并不会很快的衰减到很小的值。对混有高斯白噪声的信号进行EMD分解,由于EMD分解的性质,高斯白噪声已不再是真正的白噪声,但白噪声的统计特性近似存在,即所述混有高斯白噪声的信号的自相关函数在零点取得最大值,幅值随着时间差的变化而变化,但其随着时间的衰减很快。利用这种差异可以选取出噪声起主导作用的IMF分量有效降低噪声对信号的影响。在低信噪比条件下,本发明的去噪性能优于传统方法,能够在价低信噪比条件下完成信号去噪。

Patent Agency Ranking